Ingeniero de Datos (Analytics & Products)

Requisitos

• SQL avanzado: window functions, CTEs, optimización de consultas, particionamiento y clustering, con la profundidad suficiente para entender los planes de ejecución y diagnosticar problemas de rendimiento.
• Experiencia práctica en producción con dbt en arquitecturas medallion: modelos, tests, unit tests, macros, snapshots, documentación YAML y estrategias de materialización.
• Experiencia construyendo y operando Airflow DAGs utilizando Python operators, con capacidad para diseñar la topología de los DAGs de forma deliberada para diferentes requisitos de pipeline.
• Competencia en Python y scripting de shell para el desarrollo de pipelines, tareas de ingesta y herramientas operativas.
• Sólido conocimiento de conceptos de lakehouse y formatos de datos: Delta Lake para almacenamiento compatible con ACID, Parquet para eficiencia columnar y Avro para la definición de esquemas orientados a eventos.
• Capacidad para trabajar de forma independiente: gestionando tickets desde el diseño hasta la entrega, incluyendo la respuesta ante incidentes y los backfills.
• Capacidad para recopilar requisitos de stakeholders no técnicos, entender los patrones de consumo y traducir las necesidades de negocio en modelos de datos precisos, mantenibles y rentables.
• Experiencia definiendo y manteniendo definiciones de esquemas (Avro/ODIN o registro de esquemas equivalente).
• Fluidez con flujos de trabajo de desarrollo asistidos por IA como parte de la práctica diaria: redactar especificaciones de intención, verificar y hacerse responsable de los resultados generados por la IA, y contribuir al contexto y herramientas compartidas para que todo el equipo se beneficie.
• Experiencia con conceptos de capa semántica: definición de métricas reutilizables, dimensiones y lógica de negocio que sirvan como única fuente de verdad para los consumidores (por ejemplo, dbt Semantic Layer, Looker LookML o equivalente).
• Comprensión de Spark al nivel necesario para entender cómo Databricks procesa los modelos dbt, leer planes de ejecución y diagnosticar y solucionar problemas de rendimiento como escaneos de tabla completos, ineficiencias en el merge y fragmentación de archivos.
• Fundamentos de ingeniería aplicados al trabajo de datos: modularidad, idempotencia, testabilidad y responsabilidad única como prácticas por defecto, no como algo secundario.
• Experiencia tratando el coste como una restricción de primer orden: identificar y actuar sobre oportunidades de optimización en computación, almacenamiento y diseño de pipelines.

Deseable

• Experiencia con Kafka o ingesta orientada a eventos.
• Familiaridad con Salesforce, Google Ads, Meta u otras APIs de marketing/CRM.
• Experiencia con patrones de modelado de datos y cuándo aplicar cada uno: modelado dimensional, esquema en estrella, tablas anchas (wide tables), one big table, dimensiones de cambio lento (SCD) y compensaciones entre normalización y desnormalización.
• Conocimiento de requisitos de cumplimiento en ingeniería de datos: clasificación de datos, políticas de retención y modelado consciente de la privacidad.
• Experiencia en optimización de costes en plataformas de datos en la nube.
• Experiencia orquestando flujos de trabajo de IA multi-agente para tareas de ingeniería complejas.
• Contribución a herramientas de IA compartidas, habilidades o archivos de contexto en roles anteriores.

¡La vida en Adevinta viene con sus ventajas! Nuestros Adevintans disfrutan de los siguientes beneficios:

• Un atractivo Salario Base
• Participación en nuestro plan de Incentivos a Corto Plazo (bonus anual)
• Trabaja desde cualquier lugar: ¡Disfruta de hasta 20 días al año trabajando desde cualquier lugar! ¡Tal vez no desde la luna, por qué no! ¡solo asegúrate de tener conexión a internet!
• Un Programa de Asistencia al Empleado 24/7 para ti y tu familia, porque nos importas ‍
• Ganar juntos, perder juntos es uno de nuestros comportamientos clave. En Adevinta encontrarás un entorno colaborativo con la oportunidad de explorar tu potencial y crecer  

Además de esto, también ofrecemos una gama de beneficios relevantes a nivel local. ¿Quieres saber más? ¡Postúlate y pregunta a nuestros reclutadores!

Kleinanzeigen alcanza más de 36 millones de usuarios mensuales y es el mercado de anuncios clasificados online líder en Alemania. Somos una plataforma centrada en la sostenibilidad donde no solo escribirás código; darás potencia a los servicios que conectan nuestro backend de alto tráfico con experiencias de usuario fluidas. 

Como Data Engineer (Analytics & Products) en Kleinanzeigen, empezarás donde comienza la necesidad de datos, no donde comienza el código. Trabajarás directamente con product managers, analistas y stakeholders del dominio para entender qué decisiones deben respaldar los datos, cómo se consumirán y qué existe ya en la plataforma antes de escribir una sola línea. A partir de ahí, diseñarás y construirás activos de datos que sean homogéneos con el stack existente, rentables a escala, mantenibles por el siguiente ingeniero y autoexplorables, para que los consumidores puedan encontrar, entender y confiar en lo que has construido sin tener que preguntarte.

Te encargarás de todo el ciclo de vida: la ingesta mediante Airflow DAGs, la transformación a través de las capas stage, core y report de dbt en Databricks, y la calidad, documentación y observabilidad que hacen que esos activos sean de nivel de producción. Te mantendrás al día con Airflow y diseñarás la topología de los DAGs de forma deliberada, sabiendo cuándo utilizar dynamic task mapping, data-aware scheduling, la TaskFlow API o un Cosmos dbt task group con Watcher mode para pipelines con rendimiento crítico. Entiendes Spark lo suficientemente bien como para saber por qué un modelo incremental de dbt ejecutándose en Databricks produce un escaneo de tabla completo en lugar de un partition filter push-down, cómo una operación de merge mal configurada se convierte en fragmentación de archivos con el tiempo y qué hacer al respecto, ya sea ajustando la estrategia incremental, añadiendo liquid clustering, ejecutando OPTIMIZE o replanteando por completo el grano del modelo. Escribes Python y scripts de shell con la misma naturalidad que SQL y sigues los principios fundamentales de ingeniería: modularidad, idempotencia y testabilidad, no porque sean reglas, sino porque hacen que tu trabajo perdure.

Operas en un modelo de ingeniería AI-First: la IA se encarga de la ejecución; tú eres el responsable de la intención, la precisión y la corrección. La utilizas para automatizar, para acelerar las mejores prácticas y para elevar el listón de calidad de todo el equipo, no para entregar más rápido con menos criterio. Colaborarás estrechamente con analistas, product managers, ingenieros de la plataforma de datos y stakeholders de toda la empresa para garantizar que los conjuntos de datos que creamos y mantenemos en nuestra plataforma de datos sean fiables, dignos de confianza y estén diseñados para servir a las decisiones que importan.

Modelado de datos y desarrollo con dbt

• Implementar modelos dbt en la arquitectura medallion aplicando la estrategia de materialización adecuada para cada capa y caso de uso —incremental, full refresh o snapshots— con convenciones de nomenclatura consistentes, documentación YAML, etiquetado de metadatos, unit tests para validar la lógica de negocio crítica y macros reutilizables para patrones comunes de transformación y replicación de datos.
• Construir y refactorizar modelos para diferentes áreas de negocio de la empresa, incluyendo por ejemplo el rendimiento de marketing, métricas de producto, transacciones C2C, monetización, vitalidad (vibrancy) y confianza y seguridad (trust & safety).
• Redactar macros reutilizables y aplicar convenciones de nomenclatura consistentes, documentación YAML y etiquetado de metadatos (billed, retention, gdpr).
• Diseñar modelos de datos que sean homogéneos con el stack existente, construidos al grano adecuado para el caso de uso, rentables de ejecutar y autoexplorables sin necesidad de que el autor tenga que explicarlos.
• Realizar modelado consciente del coste: estrategias de clustering, dimensionamiento de almacenes (warehouse sizing), reducción de escaneos incrementales y capas de pre-agregación.

Ingesta de datos e ingeniería de pipelines

• Construir y mantener Airflow DAGs utilizando Python operators, diseñando la topología de los DAGs de forma deliberada mediante la elección de patrones de ejecución, estructuras de dependencia y lógica de sensores que se ajusten a los requisitos operativos de cada pipeline.
• Diseñar la lógica de sensores para las dependencias de los pipelines, incluyendo comprobaciones de integridad intradía frente a diarias y gestión temporal consciente del horario de verano (DST).
• Operar Cosmos dbt task groups dentro de Airflow, incluyendo la división de DAGs, selección de almacén y actualizaciones de versión de Cosmos.
• Integrar nuevas fuentes de datos de extremo a extremo construyendo conexiones fiables y tolerantes a fallos a través de tipos de endpoints heterogéneos, incluyendo APIs REST, flujos de eventos, conectores de bases de datos y fuentes basadas en archivos, con gestión de errores, lógica de reintentos y patrones de seguridad que hagan que cada integración sea segura para producción desde el primer día, realizando unit testing de cada operador y componente de transformación siempre que sea posible, y definiendo SLAs y SLOs que establezcan expectativas claras sobre la frescura, integridad y disponibilidad de los datos para los consumidores finales.
• Trabajar con los datos en el formato adecuado para cada capa: Avro para esquemas de ingesta orientados a eventos, Parquet para un almacenamiento columnar eficiente y Delta para tablas lakehouse compatibles con ACID con time travel y evolución de esquemas.

Calidad y fiabilidad de los datos

• Escribir dbt tests (not_null, unique, accepted_values) y comprobaciones semánticas de recuento de filas para detectar problemas de calidad de datos antes de que lleguen a los consumidores.
• Redactar unit tests para la lógica de negocio crítica utilizando el framework de unit tests de dbt.
• Responsabilizarse de la calidad de los datos en todo el ciclo de vida: diseñar y mantener pipelines de control de calidad que combinen dbt tests, validación semántica y lógica personalizada, monitorizar la salud de los pipelines de forma proactiva antes de que los problemas lleguen a los consumidores finales, diagnosticar y resolver causas raíz relacionadas con el desvío de esquemas (schema drift), fallos silenciosos, datos duplicados y problemas de idempotencia, y planificar y ejecutar backfills de forma segura con pre-validación, comprobaciones antes y después, y criterios de rollback documentados.
• Aplicar estándares de gobernanza de forma consistente en cada pipeline y activo de datos de tu propiedad, garantizando que los requisitos de cumplimiento, la clasificación de datos, las políticas de retención y la responsabilidad de la propiedad sean trazables y se mantengan a medida que la plataforma evoluciona.
• Contribuir a la fiabilidad de la plataforma más allá de tu propio trabajo, señalando problemas sistémicos, mejorando patrones compartidos y dejando cada base de código y conjunto de datos en mejor estado de como lo encontraste.

Optimización de costes

• Identificar e implementar oportunidades de reducción de costes: reducción de tamaño de almacenes (warehouse downsizing), reescritura de modelos incrementales, consolidación de DAGs, depreciación de tablas no utilizadas.
• Garantizar que las reglas de gobernanza para el cumplimiento y la responsabilidad de costes se apliquen de forma consistente en los pipelines y activos de datos, incluyendo estándares de etiquetado (business_unit, business_area, team) en Airflow y dbt.
• Evaluar y actuar sobre las señales de coste de computación de las tablas de costes de consultas de Databricks.

Colaboración con stakeholders y puesta en común de conocimientos

• Colaborar con analistas, product managers y equipos de dominio para traducir los requisitos de negocio en modelos de datos precisos y reutilizables, y permitirles construir y ser dueños de sus propios activos de datos mediante patrones, plantillas, revisiones de PR y pair programming.
• Proporcionar consultoría y formación a los equipos de producto sobre patrones de ingesta y transformación de datos.
• Apoyar a los analistas en la adopción de dbt para el desarrollo de la capa de reportes, incluyendo el onboarding, la revisión de PR y el pair programming.
• Permitir que los equipos construyan sus propios productos de datos: proporcionar patrones, plantillas y consultoría para que los analistas y los equipos de producto puedan desarrollar y ser dueños de los activos de la capa de reportes de forma independiente.
• Definir y documentar métricas, dimensiones y lógica de negocio reutilizables en la capa semántica, y capturar el conocimiento institucional, incluyendo suposiciones de dominio, decisiones arquitectónicas y contexto de linaje de datos, para que resida en el código y no en la cabeza de las personas.
• Participar en la alineación entre equipos sobre estándares de modelos de datos, definiciones compartidas y evolución de la plataforma, representando la perspectiva de la ingeniería de datos en decisiones que afectan a múltiples dominios.

AI-First Engineering

• Revisar y verificar todo el código generado por IA antes de enviarlo para revisión por pares: tú eres el responsable de la corrección, no la IA.
• Mantener archivos de contexto legibles por máquina (CLAUDE.md) en los repositorios de tu propiedad, capturando restricciones arquitectónicas, convenciones de nomenclatura y reglas específicas de dominio para agentes de IA.
• Utilizar las herramientas de IA como un multiplicador de fuerza: redactar especificaciones de intención, verificar los resultados generados por la IA con plena responsabilidad de su corrección, contribuir a las habilidades y archivos de contexto compartidos, y utilizar la automatización para elevar los estándares de calidad de todo el equipo.
• Construir e iterar sobre agentes de Claude para tareas de ingeniería delimitadas (por ejemplo, extensión de modelos de la capa de reportes, generación de documentación, notebooks de comparación).
• Orquestar flujos de trabajo multi-agente para tareas complejas (migraciones a gran escala, backfills de documentación, refactorizaciones entre dominios) mientras se verifican los resultados.
• Contribuir a la Biblioteca de Habilidades de IA del equipo: patrones de dbt, plantillas de ingesta, agentes de control de calidad de datos.

• Proactivo por defecto: no esperas a que te lo pidan. Señalas los problemas antes de que se conviertan en incidentes, te haces responsable de los seguimientos tras la entrega y buscas formas de mejorar las cosas más allá del alcance de tu ticket.
• Generoso con el conocimiento: disfrutas compartiendo lo que sabes, ya sea a través de documentación, pair programming, revisiones de código o apoyando a analistas y equipos de producto en la adopción de la plataforma de datos.
• Constructor de equipos: te importan las personas que te rodean tanto como el trabajo. Contribuyes a una cultura en la que el equipo mejora en conjunto, no solo individualmente.
• Arquitecto de la intención, no solo un traductor de código: defines el qué y el porqué con precisión, usas la IA para encargarse del cómo y verificas que el resultado realmente solucione el problema. Entiendes que la IA convierte la producción de sintaxis en un commodity; tu valor reside en un pensamiento en forma de T que conecta el contexto de negocio, el modelado de datos y las restricciones técnicas.
• Mentalidad de calidad primero impulsada por la IA: tratas las pruebas exhaustivas, la documentación y los controles de calidad de datos como algo innegociable, precisamente porque la IA ha hecho que sea barato producirlos. Una baja cobertura de tests ya no es una limitación de tiempo; es una elección.